Taking a Break: The Effects of Partaking in a Two-Week Social Media Digital Detox on Problematic Smartphone and Social Media Use, and Other Health-Related Outcomes among Young Adults
Notice bibliographique
Résumé
Despite their increasing popularity, especially among young adults, there is a dearth of research examining the effectiveness of digital detoxes focused on restricting or limiting social media use. As such, the purpose of this exploratory study was to create and carry out a social media digital detox among young adults and evaluate its effectiveness with regards to smartphone and social media addiction, as well as several health-related outcomes. Additionally, the study also sought to obtain an understanding of participants' experiences and perceptions regarding the digital detox via semi-structured exit interviews in order to improve and maximize the effectiveness of future social media digital detox interventions. Thirty-one young adults completed a two-week social media digital detox (preceded by a two-week baseline period and followed up by a two-week follow-up period), whereby their social media use was limited to 30 min per day. A series of one-way repeated measures analyses of variance revealed that a two-week social media detox improved smartphone and social media addiction, as well as sleep, satisfaction with life, stress, perceived wellness, and supportive relationships. Thematic analysis of exit interviews also revealed eight themes: feelings, effort to detox, adjustment period, the Goldilocks effect, screen to screen, post-detox binge, progress not perfection, and words of wisdom, all of which provide contextualization of the quantitative findings and valuable insights for future detoxes. In conclusion, the findings of this exploratory study provide initial support for the use of social media digital detoxes, suggesting that limiting usage can have beneficial effects with regards to smartphone and social media addiction, as well as many other health-related outcomes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».